Arm发布Arm Total Design for Physical AI和机器人能力框架，以应对物理行业工程碎片化，并联合AWS、Siemens、Unitree等 80 余家伙伴。
AI解读：Arm正在为机器人行业建立统一的“语言”，类似汽车界的自动驾驶分级。机器人制造商和软件开发者过去难以互相描述和比较系统能力，导致集成复杂、升级困难。Arm推出的机器人能力框架按操作复杂度将机器人分为多个级别，并定义每个级别对应的延迟、算力、安全等指标，让产业链上下游有了共同的沟通标准。同时，Arm Total Design项目让软件团队在芯片尚未生产前就可在虚拟平台上开发和测试代码，缩短开发周期。对工业机器人、自动驾驶等领域的企业来说，这能降低集成风险，加快从原型到量产的进程。Arm已联合AWS、Siemens、宇树等伙伴，但该框架目前仍是协作起点，详细规范需持续补充，实际效果取决于产业采纳程度。
Arm于 3 月 11 日发布Arm Total Design for Physical AI计划和新的机器人框架，旨在为自动化系统建立通用标准。该计划覆盖采矿、农业、制造和全球运输等物理行业，Arm估计到 2030 年代这些领域每年将产生约 2000 亿美元的算力机会。
为应对工程碎片化，Arm召集了 80 多家软件、硬件和AI领域的合作伙伴，包括AWS、ECARX、Hugging Face、Liquid AI、NXP、PlusAI、PSYONIC、QNX、通义千问、Siemens和宇树科技。
机器人能力框架：定义分级标准
Arm首席架构师Richard Grisenthwaite在一份架构宣言中指出，机器人领域目前缺乏描述、比较和传达系统能力的通用方法。为此，Arm推出机器人能力框架（Robotics Capability Framework），参照汽车自动驾驶的SAE级别，建立共同的技术词汇。
该框架将机器人系统按操作复杂度分级，从反应式到具有上下文感知、认知乃至自我改进能力。每个级别对应真实用例，并设定机器人的行为、输出和硬件约束，同时规定系统延迟、算力分配、内存分配、功耗限制、确定性和安全标准。
参与框架制定的组织包括Anaxi Labs、ANYbotics、FMC³ Robotics、Fourier、GALBOT、Gravis Robotics、联想、McKinsey和Robotec.ai。
虚拟平台加速芯片前开发
Arm Total Design for Physical AI扩展了此前用于云AI基础设施的合作开发模式，整合AI模型、虚拟平台、数字孪生、传感器、算力芯片和软件栈，使开发和测试周期提前。
Arm在汽车领域与AWS、Google、HERE、RemotiveLabs和Siemens演示了这套流程，合作开发了一体化数字座舱参考解决方案，使软件团队能在Arm Zena CSS平台上、物理芯片可用之前开发、测试和验证复杂的汽车代码。
Arm现正向更广泛的工程社区征集技术贡献，以进一步完善机器人能力框架。